Llama-xLAM-2-8b-fc-r-dpo-prune — дообученная модель на архитектуре Llama, созданная на основе Salesforce/Llama-xLAM-2-8b-fc-r. Она предназначена для многоходового вызова функций и использования инструментов в диалоговых агентных системах, в том числе для оценки на BFCL. Для повышения эффективности использования инструментов модель дообучали методом итеративного пошагового DPO с отбором проверенных траекторий; веса LoRA-дообучения объединены с базовой моделью. Обучение использовало пары предпочтений, сформированные на BFCL v3 Base Multi-Turn.

Модель содержит 7,5 млрд параметров, использует плотную архитектуру Llama и работает с контекстом до 131 072 токенов. Репозиторий содержит веса Safetensors, а для работы указана библиотека Transformers. Лицензия — Llama 3.1. Подробное описание метода и экспериментов авторы обещают опубликовать позднее.